面向遥感图像的压缩感知重构条件及算法研究

论文摘要

随着对信息需求量的与日俱增,为避免信号失真,传统采样技术必然导致的海量采样数据,大大增加了存储和传输的代价。另外,遥感数据发展的高分辨率、高光谱和多时相(三高)趋势对数据压缩技术提出了更高的要求,而传统的数据压缩技术在“三高”遥感图像应用中,在识别效率和精确性等方面存在问题,针对上述问题不少文献提出基于压缩感知技术的遥感图像识别方法,并得到了很多较好的结果。本文在前人的基础上主要做了以下工作:1.以小波变换为基础讨论了稀疏重构模型与算法,得到了较好的稀疏重构结果。2.改进了分段弱阈值共轭梯度追踪算法,该算法较分段正交匹配追踪算法和分段弱阈值共轭梯度追踪算法重构精度更高,并在重构精度允许的条件下,通过改变参数可以提高算法的运算速度。针对压缩感知重构问题的非光滑性和信号的稀疏性,本文探讨了基于非光滑优化信赖域法的压缩感知重构算法。3.对基于小波变换的测量矩阵进行了设计与研究,并应用于遥感图像的处理,得到了比较理想的结果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 从稀疏重构到压缩感知
• 1.2.2 信号的稀疏表示
• 1.2.3 稀疏重构算法和重构条件的研究
• 1.3 本文的主要工作与论文的组织安排
• 第二章 压缩感知基本理论
• 2.1 压缩感知理论框架及信号的稀疏表示
• 2.1.1 压缩感知理论框架
• 2.1.2 信号的稀疏表示
• 2.2 稀疏约束下的信号重构
• 2.3 本章小结
• 第三章 稀疏约束下的信号重构
• 3.1 压缩感知模型与信号重构算法
• 3.1.1 压缩感知模型
• 3.1.2 共轭梯度算法
• 3.1.3 传统的StWCGP 算法
• 3.2 改进的StWCGP 算法
• 3.2.1 针对StWCGP 算法的改进
• 3.2.2 算法步骤
• 3.3 实验结果及分析
• 3.3.1 改进的StWCGP 与StWCGP 对稀疏信号重构的比较
• 3.3.2 具体算例
• 3.4 一种基于非光滑优化的重构算法
• 3.5 本章小结
• 第四章 小波变换在遥感图像中的应用
• 4.1 基于小波变换的边缘检测原理
• 4.2 基于小波变换的图像数据压缩原理
• 4.3 遥感图像压缩处理的质量评价及仿真实验
• 4.3.1 遥感图像压缩处理的质量评价
• 4.3.2 仿真实验及结果分析
• 4.4 本章小结
• 第五章 结束语
• 5.1 本文主要工作
• 5.2 未来研究展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果